論文の概要: Constructing Explainable Opinion Graphs from Review
- arxiv url: http://arxiv.org/abs/2006.00119v2
- Date: Tue, 13 Apr 2021 23:04:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 23:31:58.048335
- Title: Constructing Explainable Opinion Graphs from Review
- Title（参考訳）: レビューによる説明可能な意見グラフの構築
- Authors: Nofar Carmeli and Xiaolan Wang and Yoshihiko Suhara and Stefanos
Angelidis and Yuliang Li and Jinfeng Li and Wang-Chiew Tan
- Abstract要約: 本稿では,意見グラフに意見を抽出し整理するシステムであるExplainItを紹介する。
このようなグラフでは、ノードはレビューから抽出された意味的に類似した意見の集合を表す。
意見グラフで生成された説明関係が良質であることが実験的に実証された。
- 参考スコア（独自算出の注目度）: 26.262465541048662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Web is a major resource of both factual and subjective information. While
there are significant efforts to organize factual information into knowledge
bases, there is much less work on organizing opinions, which are abundant in
subjective data, into a structured format.
We present ExplainIt, a system that extracts and organizes opinions into an
opinion graph, which are useful for downstream applications such as generating
explainable review summaries and facilitating search over opinion phrases. In
such graphs, a node represents a set of semantically similar opinions extracted
from reviews and an edge between two nodes signifies that one node explains the
other. ExplainIt mines explanations in a supervised method and groups similar
opinions together in a weakly supervised way before combining the clusters of
opinions together with their explanation relationships into an opinion graph.
We experimentally demonstrate that the explanation relationships generated in
the opinion graph are of good quality and our labeled datasets for explanation
mining and grouping opinions are publicly available.
- Abstract（参考訳）: Webは、事実情報と主観情報の両方の主要なリソースである。
事実情報を知識ベースに整理するための大きな取り組みはあるが、主観的なデータに富んだ意見の整理を構造化形式にすることへの取り組みは、はるかに少ない。
本稿では,説明可能な要約を作成し,意見文を検索するなど,下流のアプリケーションに有用な意見グラフを抽出し整理するシステムであるExplainItを提案する。
このようなグラフでは、ノードはレビューから抽出された意味論的に類似した意見の集合を表し、2つのノード間のエッジは一方のノードが他方を説明することを示す。
説明itは、教師のやり方で説明を掘り起こし、同様の意見を弱い教師のやり方でグループ化し、意見の集まりとそれらの説明の関係を、意見グラフに結合する。
我々は,意見グラフで生成された説明関係が良質であることを実験的に実証し,マイニングとグループ化の意見を説明するためのラベル付きデータセットを公開している。
関連論文リスト
- Path-based summary explanations for graph recommenders -- extended version [2.2789818122188925]
そこで本稿では,ユーザやユーザグループに対して,項目レコメンデーションのセットを受信した理由を説明する要約説明を提案する。
また,効率的なグラフアルゴリズムを用いて説明を要約する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-10-29T13:10:03Z) - Controversy Detection: a Text and Graph Neural Network Based Approach [0.0]
論争の内容は、ポジティブとネガティブの両方のフィードバックを惹きつけるあらゆるコンテンツを指す。
既存のアプローチのほとんどは、トピックのディスカッションやメッセージの内容のグラフ構造に依存しています。
本稿では,議論のグラフ構造とテキストの特徴に基づく論争検出手法を提案する。
論文 参考訳（メタデータ） (2021-12-03T09:06:46Z) - Rating and aspect-based opinion graph embeddings for explainable
recommendations [69.9674326582747]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
論文 参考訳（メタデータ） (2021-07-07T14:07:07Z) - Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations [66.83527496838937]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。
提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
論文 参考訳（メタデータ） (2021-07-07T13:57:28Z) - ExplaGraphs: An Explanation Graph Generation Task for Structured
Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。
具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。
グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文 参考訳（メタデータ） (2021-04-15T17:51:36Z) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳（メタデータ） (2020-11-06T04:57:37Z) - Deep Graph Contrastive Representation Learning [23.37786673825192]
ノードレベルでの対照的な目的を生かして,教師なしグラフ表現学習のための新しいフレームワークを提案する。
具体的には,この2つのビューにおけるノード表現の一致を最大化することにより,ノード表現の破損と学習によって2つのグラフビューを生成する。
我々は,様々な実世界のデータセットを用いて,帰納的および帰納的学習タスクの実証実験を行った。
論文 参考訳（メタデータ） (2020-06-07T11:50:45Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z) - Bridging Knowledge Graphs to Generate Scene Graphs [49.69377653925448]
本稿では,2つのグラフ間の情報伝達を反復的に行う新しいグラフベースニューラルネットワークを提案する。
我々のグラフブリッジネットワークであるGB-Netは、エッジとノードを連続的に推論し、相互接続されたシーンとコモンセンスグラフのリッチでヘテロジニアスな構造を同時に活用し、洗練する。
論文 参考訳（メタデータ） (2020-01-07T23:35:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。